論文の概要: Trends and Challenges in Authorship Analysis: A Review of ML, DL, and LLM Approaches

• arxiv url: http://arxiv.org/abs/2505.15422v1
• Date: Wed, 21 May 2025 12:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.613791
• Title: Trends and Challenges in Authorship Analysis: A Review of ML, DL, and LLM Approaches
• Title（参考訳）: 著者分析の動向と課題:ML, DL, LLMアプローチの概観
• Authors: Nudrat Habib, Tosin Adewumi, Marcus Liwicki, Elisa Barney,
• Abstract要約: 著者分析は、法医学言語学、アカデミア、サイバーセキュリティ、デジタルコンテンツ認証など、様々な領域で重要な役割を果たしている。 本稿では,著者分析の2つの重要なサブタスクである著者属性と著者検証について,体系的な文献レビューを行う。
• 参考スコア（独自算出の注目度）: 1.8686807993563161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Authorship analysis plays an important role in diverse domains, including forensic linguistics, academia, cybersecurity, and digital content authentication. This paper presents a systematic literature review on two key sub-tasks of authorship analysis; Author Attribution and Author Verification. The review explores SOTA methodologies, ranging from traditional ML approaches to DL models and LLMs, highlighting their evolution, strengths, and limitations, based on studies conducted from 2015 to 2024. Key contributions include a comprehensive analysis of methods, techniques, their corresponding feature extraction techniques, datasets used, and emerging challenges in authorship analysis. The study highlights critical research gaps, particularly in low-resource language processing, multilingual adaptation, cross-domain generalization, and AI-generated text detection. This review aims to help researchers by giving an overview of the latest trends and challenges in authorship analysis. It also points out possible areas for future study. The goal is to support the development of better, more reliable, and accurate authorship analysis system in diverse textual domain.
• Abstract（参考訳）: 著者分析は、法医学言語学、アカデミア、サイバーセキュリティ、デジタルコンテンツ認証など、様々な領域で重要な役割を果たしている。 本稿では,著者分析の2つの重要なサブタスクである著者属性と著者検証について,体系的な文献レビューを行う。 このレビューでは、従来のMLアプローチからDLモデル、LLMまで、2015年から2024年にかけて行われた研究に基づいて、SOTAの方法論について検討している。 主なコントリビューションには、メソッド、テクニック、対応する特徴抽出テクニック、使用されるデータセット、著者分析における新たな課題の包括的な分析が含まれる。 この研究は、特に低リソース言語処理、多言語適応、クロスドメイン一般化、AI生成テキスト検出において、重要な研究ギャップを強調している。 本レビューは著者分析の最新動向と課題を概説することによって研究者を支援することを目的としている。 また、今後の研究の可能性を指摘している。 目標は、多様なテキストドメインにおけるより良い、より信頼性があり、正確なオーサシップ分析システムの開発を支援することである。

関連論文リスト

• Survey on AI-Generated Media Detection: From Non-MLLM to MLLM [51.91311158085973]
  AI生成メディアを検出する方法は急速に進化してきた。 MLLMに基づく汎用検出器は、信頼性検証、説明可能性、ローカライゼーション機能を統合する。 倫理的・セキュリティ的な配慮が、重要な世界的な懸念として浮上している。
  論文  参考訳（メタデータ） (2025-02-07T12:18:20Z)
• Large Language Model for Qualitative Research -- A Systematic Mapping Study [3.302912592091359]
  先進的な生成AIを駆使した大規模言語モデル(LLM)がトランスフォーメーションツールとして登場した。 本研究は, LLMを用いた定性的研究に関する文献を体系的にマッピングする。 LLMは様々な分野にまたがって利用されており、プロセスの自動化の可能性を示している。
  論文  参考訳（メタデータ） (2024-11-18T21:28:00Z)
• Comprehensive Study on Sentiment Analysis: From Rule-based to modern LLM based system [0.0]
  本研究では、感情分析の歴史的発展を考察し、レキシコンベースおよびパターンベースアプローチから、より洗練された機械学習およびディープラーニングモデルへの移行を強調した。 本稿は、最先端のアプローチをレビューし、新たなトレンドを特定し、今後の研究の方向性を概説する。
  論文  参考訳（メタデータ） (2024-09-16T04:44:52Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [55.33653554387953]
  パターン分析とマシンインテリジェンス(PAMI)は、情報の収集と断片化を目的とした多くの文献レビューにつながっている。 本稿では、PAMI分野におけるこれらの文献レビューの徹底的な分析について述べる。 1)PAMI文献レビューの構造的・統計的特徴は何か,(2)レビューの増大するコーパスを効率的にナビゲートするために研究者が活用できる戦略は何か,(3)AIが作成したレビューの利点と限界は人間によるレビューと比較するとどのようなものか,という3つの主要な研究課題に対処しようとする。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。